2025年10月，加勒比海上空醞釀著一場風暴。各氣象模型對其路徑判斷不一：它究竟會以較弱的強度登陸海地，還是會增強後轉向牙買加？谷歌DeepMind與谷歌研究院聯合開發的AI模型WeatherNext
選擇了後者。在登陸前五天，該模型以80%的置信度預測，這一風暴系統將以五級颶風的強度襲擊牙買加。
颶風梅麗莎造成了嚴重破壞，引發了牙買加全境的洪澇與山體滑坡。但正是這一AI模型幫助預報員提前向沿途社區發出預警，使居民得以更充分地做好準備。
周四發表於《自然》雜誌的一篇論文顯示，WeatherNext AI模型能夠以前所未有的精度預測氣旋。平均而言，它比現有模型為預報員多爭取了整整一天的預警時間——也就是說，它提前三天作出的預測，與此前模型提前兩天的預測精度相當。在實際應用中，這多出的一天意義重大。
"哪怕多幾個小時也能帶來很大不同，"美國國家颶風中心主任邁克·布倫南說。組織疏散、調配物資、部署應急資源，這些應對颶風風險的工作都極為緊迫，一旦決策失誤後果不堪設想。"在這類決策上，時間真的是黃金。能夠將預報精度向前推進整整一天，這非常寶貴，"他說。
研究人員表示，在過去，將預報時效提前一天通常需要十年的持續努力。
極端事件的建模對AI而言頗具挑戰性。機器學習需要大量訓練數據才能作出預測，而極端事件本身就屬於罕見現象。"我們沒有太多氣旋數據，但我們有大量天氣數據，"谷歌DeepMind研究科學家、論文第一作者之一費蘭·阿萊特說，"所以我們的做法是訓練一個在天氣預報和氣旋預測兩方面都表現出色的模型。"
大氣合作研究所熱帶氣旋研究組組長、論文作者之一凱特·馬斯格雷夫指出，颶風之所以難以預測，在於它涉及多個空間尺度。預測風暴路徑——即移動方向——需要全球尺度的氣象數據，包括冷鋒位置和盛行風向等資訊；而預測風暴強度，則需要聚焦於局地大氣和海洋條件的更小尺度數據。
"這是全球模型無法提供的，"馬斯格雷夫說。此前的AI模型在路徑預測上表現尚可，"但強度預測完全做不好。"
兩者都準確預測至關重要：強度的變化可能意味著一場相對較弱的風暴與一場重大颶風之間的天壤之別。有時，就像颶風梅麗莎的情況一樣，風暴系統可能在一夜之間急劇增強，演變為緊急狀況。梅麗莎是國家颶風中心首次在風暴僅為一級颶風階段便成功預測其將發展為五級颶風的案例。
在WeatherNext模型投入實時預報之前，研究人員已對其進行了歷史數據回測。"結果好得讓我們懷疑，在實時演示中是否真的能復現，"馬斯格雷夫說。但當預報員開始將該模型納入實際工作流程後，這一表現得到了驗證。"我想所有人都對它的表現之好感到驚訝，"她說。
就連DeepMind的研究人員自己也無法完全理解，為何該AI模型僅使用解析度遠低於傳統模型要求的大氣數據，卻能作出如此精準的強度預測。"當我們告訴業界，我們的模型只使用了相對粗糙的解析度時，他們都震驚了——因為這意味著低解析度輸入所捕捉到的預測信號，比此前認為的要豐富得多，"阿萊特說。
該AI模型一定從低解析度數據中捕捉到了某種有助於強度預測的資訊，但研究人員尚不清楚究竟是什麼。"歸根結底，它是個黑箱，但這給物理學家提供了一個信號：有些此前未被理解的現象正在發生，"阿萊特說。
該模型並非只輸出單一預測結果，而是為發展中的風暴生成一系列潛在情景。阿萊特表示，這有助於捕捉潛在的"蝴蝶效應"——微小的偏差可能引發更大的連鎖變化。預報員可以將這些輸出結果與其他模型的結果結合使用，從而對風暴系統的演變作出更全面的判斷。去年，該AI模型每場風暴生成50個情景；如今，這一數字已增至1000個。
"以我們現有的計算能力，用傳統數值模型根本無法做到這一點，"馬斯格雷夫說。
布倫南表示，DeepMind的模型是預報員工具箱中一件出色的新工具，但他同時強調，它只是眾多工具之一。"沒有任何保證說，某個模型因為去年表現好、或者對某場特定風暴預測準確，就一定會是下一個季節或下一場風暴的最佳模型，"他說。他補充道，人的判斷依然不可或缺。"颶風不只是路徑或強度預報，"他說，"它需要專家將預報結果轉化為對實際影響的研判——而正是這些影響，才是真正奪命的東西。"
谷歌DeepMind還宣布，將對颶風季期間使用的WeatherNext模型進行開源，供研究人員使用和改進。阿萊特希望，向研究社區開放模型能夠幫助揭示氣旋運作機制的新見解。
"我對科學發現感到非常興奮，"他說，"我認為AI正在給我們提供探索宇宙規律的新工具。"
Q&A
Q1：WeatherNext模型是如何預測颶風強度的？
A：WeatherNext使用的大氣數據解析度遠低於傳統模型的要求，但仍能作出精準的強度預測。研究人員認為，模型從低解析度數據中捕捉到了此前未被認知的預測信號，但具體機制目前尚不清楚，本質上仍是一個"黑箱"。該模型同時兼顧全球尺度的路徑預測與局地尺度的強度預測，彌補了此前AI模型在強度預測上的短板。
Q2：WeatherNext比傳統氣象模型提前多少時間發出預警？
A：平均而言，WeatherNext為預報員多爭取了約一天的預警時間。具體來說，它提前三天的預測精度，相當於傳統模型提前兩天的水平。在颶風梅麗莎案例中，該模型在風暴登陸前五天便以80%的置信度預測其將以五級颶風強度襲擊牙買加，這也是國家颶風中心首次在一級颶風階段就成功預測其最終達到五級強度。
Q3：WeatherNext模型會完全取代人工預報員嗎？
A：不會。美國國家颶風中心主任邁克·布倫南明確指出，WeatherNext是預報工具箱中的一件新工具，但並非唯一依賴。颶風預報不只是路徑和強度數據，還需要專家將預測結果轉化為對實際災害影響的研判。此外，沒有任何單一模型能保證在所有情況下都是最優選擇，人的專業判斷在最終決策中仍不可替代。
